8月7日下午，DolphinDB 在南方科技大学举办了 D-Day 行业交流会深圳站，和二十余位 FICC 资深从业者一起深入探讨了驱动 FICC 市场发展的新型解决方案。DolphinDB 创始人周小华博士也来到现场，介绍了 DolphinDB 在 FICC 业务场景下的技术特点，以及曲线拟合引擎和估值定价引擎的研发构想。与会嘉宾积极参与，现场气氛热烈，活动取得圆满成功。

 

精英汇聚，共探 FICC 场景方案

DolphinDB 华南区销售总监赵胤首先介绍了 DolphinDB 在 FICC 场景下的两大主要应用：数据集市和策略投研。

 

与权益类数据相比，固收类数据虽然在量级上较小，但其数据类型的标准化程度较低，这会在数据清洗和使用过程中为用户带来一些挑战。为了解决这一问题，用户可以使用 DolphinDB 将非标准化的数据进行标准化处理，方便后续的投研和交易环节的数据处理与应用。同时，DolphinDB 有丰富的数据接口，可以接入不同交易所、不同数据源的实时或者历史数据，帮助客户解决数据同步的问题。这是 DolphinDB 在 FICC 场景下的基础实践。

 

在数据导入系统后，下一步就是策略投研。在这一环节，有的用户希望有一个集成式的投研平台，方便数据的统一管理和使用；有的用户希望仅将需要的功能纳入原有的投研体系，不造成冗余。DolphinDB 为不同需求的客户提供了搭建个性化策略投研平台的解决方案。基于在权益端投研平台建设方面的丰富经验，DolphinDB 在 FICC 场景下也抽象出了五大系统模块：估值定价、投资决策、头寸管理、风险分析、绩效分析。这五个模块覆盖了 FICC 常用业务场景，用户可以在 DolphinDB 一个系统中完成投研全流程。同时，这种模块化的设计也使用户能够选取自己需要的模块，便捷地将 DolphinDB 整合到现有的投研系统中。赵总监着重介绍了高频回测功能。目前，高频回测的痛点主要集中在速度慢以及数据回放方式的不灵活上，因此 DolphinDB 针对这两点打造了高性能高频回测功能。用 DolphinDB 进行回测的耗时相较于 Python 有明显优势，而且 DolphinDB 支持多种回放方式，用户可以自由设定时延、回放速率等。

 

赵总监还分享了几个客户实践的具体案例，包括券商做市交易策略监控、风险绩效系统建设、利率曲线拟合与实时指标计算以及国债期货 AI 算法交易全流程提速。研发提速10倍、查询提速10倍、计算效率提升100倍……这些指标都彰显了 DolphinDB 在 FICC 场景下的卓越性能。

 

创新突破，引擎释放数据潜能

随后，周博士登台为大家做了技术分享。他首先谈到了 DolphinDB 一贯以来的发展理念：把技术和业务融合起来，为客户创造价值。DolphinDB 努力打磨底层的技术框架，再结合行业研究推出一些标准化的业务中间件，最后倾听客户需求，和客户一起合作，落地真正适合客户的解决方案。

 

在这次交流会上，周博士详细介绍了与 FICC 业务密切相关的曲线拟合引擎和估值定价引擎。FICC 和权益类市场相比，信息流动性相对较弱，每家机构可能都有自己的一套运作体系，业内还在不断探索具有普适价值的解决方案。作为在金融行业深耕的基础软件，DolphinDB 希望通过提供这两个引擎来帮助机构在一定程度上优化 FICC 业务的数据分析流程。

 

在 FICC 业务中，收益率曲线拟合是至关重要的一个环节。所以 DolphinDB 在曲线拟合引擎中引入了很多常用的收益率曲线，用户可以直接调用。同时，该引擎也支持用户自定义目标函数，确保研究分析的灵活性。用户不需要通过写脚本来进行迭代，DolphinDB 会通过 JIT 技术直接将代码编译成机器码，加快研究进程。在得到收益率之后，用户可以接着调用估值定价引擎来对产品进行定价。DolphinDB 预置了多种定价方法，例如计算国债期货估值、利率互换估值、香草期权估值等等，用户可以按需调用。

 

除了 FICC 投研，客户在其他数据处理环节也有着不同的需求。例如，在数据存储环节，客户对不同类型数据的存储、索引和读取有着不同的要求。基于“为客户创造价值”的服务理念和多模态存储的架构理念，DolphinDB 将这些需求抽象成不同的引擎，供客户调用。例如，TSDB、OLAP 、主键存储引擎、VectorDB 等等。这些引擎让客户可以在 DolphinDB 一个系统中完成各类数据的存储和整合。

 

周博士表示：“通过提供一系列引擎，我们希望尽可能减少用户在技术层面的投入，而将精力聚焦于业务层面，在竞争激烈的市场中获得更大的优势。”

 

技术融合，打造企业级软件产品

除了分享对各类引擎的探索，周博士还讲解了 DolphinDB 的实时计算平台构建、生态打造和 AI 方面的应用。为了打造企业级产品，周博士也描述了未来将要研发的存算分离架构、声明式 API，以及多集群的管理、运维和监控。

 

最后，大家围绕如何利用数据分析来提升金融行业的服务质量和效率展开了激烈讨论，活动圆满落幕。